Robôs assassinos. Humanoides ameaçadores. Apocalipses robóticos e robôs malignos dominando o mundo. (Brincadeira.)

Filmes como Blade Runner, Eu, Robô e Ex Machina e artigos sensacionalistas na imprensa sobre inteligência artificial (IA) pintam a IA com um pincel assustador e sinistro. Infelizmente, a IA é frequentemente resumida como algo assustador e negativo que roubará todos os nossos empregos ou, talvez ainda pior, nos dominará completamente.

Fato triunfa sobre a ficção

Vemos a partir dos dados e pesquisas da G2 que a realidade da IA, e sua prima próxima, a análise, é mais complexa e otimista do que a mídia deixa transparecer.

Como analista de pesquisa de mercado na G2 focado em IA & análise, tenho tanto o prazer de mergulhar fundo quanto o privilégio de pesquisar essa tecnologia intrigante. Isso me permite capacitar outros a entender a magia e o mistério por trás da IA, oferecendo uma visão de tudo, desde o funcionamento interno de uma rede neural até amplas tendências macro em torno de IA & análise.

Frequentemente, o que parece mágica do lado de fora depende de muito mais "por trás da cortina". Por exemplo, algumas empresas foram criticadas porque um robô sem nome e sem rosto estava olhando seus dados pessoais, como e-mails, para treinar sua tecnologia de IA do dia a dia.

Em vez disso, vez após vez, vemos como as empresas estão empregando pessoas para analisar e rotular dados manualmente. Discutiremos os dilemas éticos que surgem devido a essa ocorrência frequente.

“A lacuna de habilidades que atualmente limita a adoção da IA será erodida por desenvolvimentos na tecnologia que impulsionarão a acessibilidade e aumentarão os casos de uso potenciais.”

Tom Pringle, VP de pesquisa de tecnologia na G2

Neste artigo, pintaremos um cenário, em linhas gerais, de como essa previsão está se tornando realidade.

A esteira de dados

“Dados são o novo petróleo” é um ditado comum ouvido na tecnologia hoje, e é verdade.

Existem várias etapas intermediárias ao longo do caminho para transformar dados em insights, incluindo algumas das seguintes.

• Software de integração de dados & software de preparação de dados

Dados, sejam quantitativos (por exemplo, preços de casas, número de pessoas em uma determinada área) ou qualitativos (por exemplo, respostas de pesquisas, avaliações de produtos), não podem ser colocados em um modelo de aprendizado de máquina como você coloca uma uva na boca. Primeiro, os dados devem ser limpos e sistematizados, garantindo que estejam no formato e local adequados (por exemplo, servidor, no local, etc.).

• Catálogos de dados de aprendizado de máquina

Isso permite que as empresas categorizem, acessem, interpretem e colaborem em torno dos dados da empresa em várias fontes de dados.

• Plataformas de IA & plataformas de inteligência de negócios

Seja construindo seus próprios modelos ou usando modelos padrão, ferramentas de inteligência de negócios ou ferramentas de análise, você estará aproveitando algum tipo de plataforma para ir dos dados aos insights.

• Insights

Uma vez que você limpa os dados, eles estão prontos para serem espremidos (desculpe o meu metáfora mista) para obter insights e padrões.

Estamos vendo movimentos empolgantes nessas áreas, permitindo que um grupo cada vez maior de pessoas trabalhe com dados e desbloqueie todo o seu potencial.

Tenha seus dados e analise-os também

Garantir que seus dados estejam devidamente preparados, cuidadosamente limpos e imaculadamente integrados não é um trabalho fácil (ou divertido). Portanto, o surgimento de ferramentas com tecnologia de IA (sejam autônomas como a plataforma de integração inteligente da SnapLogic ou integradas como o Qlik Data Catalyst) ajuda imensamente os usuários. Este é um exemplo de como o processo de análise de dados está se tornando mais fácil e acessível.

Quando olhamos para a gestão de dados, o aumento dos catálogos de dados de aprendizado de máquina (data.world, IBM Watson Knowledge Catalog e Aginity), estão ajudando a garantir que os dados e sua subsequente análise sejam reproduzíveis e acessíveis. Com capacidades de aprendizado de máquina, esses catálogos de dados permitem que qualquer usuário final descubra dados relacionados, o que ajuda a construir um negócio orientado por dados.

Plataformas de IA & análise estão ficando mais inteligentes. Quanto mais inteligente a plataforma, menos inteligentes os usuários precisam ser. Abaixo estão alguns desenvolvimentos significativos que vimos.

• • Aumento de conjuntos de dados está dando aos cientistas de dados acesso a dados sintéticos e conjuntos de dados conectados. O enriquecimento inteligente de dados está ajudando cientistas de dados visionários a aproveitar dados que ninguém vê.

• • Recomendações inteligentes estão dando ao especialista em dados recomendações baseadas em aprendizado de máquina para insights relevantes, permitindo que os usuários encontrem respostas escondidas profundamente em seus dados.

Converse com seus dados, onde quer que você esteja

Finalmente, chegamos ao fim da esteira de dados.

Estamos vivendo em uma cultura de conveniência, um tempo em que esperamos que as coisas estejam imediatamente disponíveis e acessíveis, incluindo dados e insights. A seguir, estão duas tendências a serem observadas sobre como os usuários podem obter insights rapidamente, onde quer que estejam.

• Software de inteligência conversacional

Como o entendimento da linguagem natural melhorou, agora podemos conversar com nossos dados, encontrando e explorando insights usando uma linguagem natural e intuitiva. Com essa tecnologia poderosa, os usuários podem se concentrar em descobrir padrões e encontrar significado oculto nos dados, em vez de memorizar consultas SQL.

• Embutido

Tanto a maneira quanto o método de consultar dados receberam atualizações. Por exemplo, plataformas de análise estão construindo integrações com ferramentas de colaboração comumente usadas (por exemplo, assistente digital Oracle no Microsoft Teams). Além disso, plataformas de inteligência de negócios embutidas estão dando aos desenvolvedores de software as ferramentas de que precisam para incluir rapidamente capacidades de análise de autoatendimento em aplicativos de negócios.

                                                       Antes                                                    Depois

Queremos respostas explicáveis e as queremos agora

Qual é a próxima fronteira da IA & análise?

Na G2, acreditamos que a próxima “grande coisa” será o surgimento de respostas explicáveis, ou a capacidade dos usuários de entender por que uma resposta ou insight específico está sendo produzido pelo software. Até este ponto, estivemos focados no o quê e no como dos dados. Em um futuro próximo, não apenas buscaremos obter respostas de nossos dados, mas também desejaremos respostas sobre por que nossos dados são o que são e por que insights ou respostas específicas foram gerados.

Em um mundo onde os dados são grandes e os dilemas éticos são maiores, a explicabilidade passará de ser um recurso desejável para um recurso indispensável.

Já vimos movimento nessa direção com soluções empresariais como o recurso Explain Data do Tableau, que perceberam que os usuários estão procurando entender profundamente seus dados, não apenas criar visualizações chamativas. Muitas startups também estão focadas no problema, incluindo Kyndi e Fiddler. De fato, toda a sua proposta de negócio é centrada no problema da explicabilidade e estão criando sistemas de IA que podem justificar o raciocínio por trás de suas conclusões e resultados. Estamos ansiosos para ver o que o futuro nos reserva.